Pythonでscikit-learnライブラリを使って画像の解像度を取得する方法

はじめに：データ前処理とは

データ前処理とは、さまざまなリソース（または単一のリソース）から収集したすべてのデータを、共通のフォーマットや統一されたデータセットにまとめる作業のことです。現実世界のデータは決して完璧ではないため、欠損セル、エラー、外れ値、列間の不整合などが含まれている可能性があります。また、画像が正しく配置されていなかったり、不鮮明だったり、ファイルサイズが過大だったりすることもあります。前処理の目的は、こうした不整合やエラーを取り除き、データを分析可能な状態に整えることにあります。

画像の解像度を取得するには、組み込み関数「shape」を使用します。画像を読み込むと、そのピクセル値は配列形式で格納されます。この配列はNumPy配列です。画像を読み込んで配列に変換した後、shape関数を呼び出すことで、画像の解像度を簡単に確認できます。

ここでは、scikit-learnライブラリ（skimageモジュール）を使って画像を読み込み、コンソールに解像度を表示する例を見てみましょう。

コード例

from skimage import io
path = "path to puppy.PNG"
img = io.imread(path)
print("Image being read")
io.imshow(img)
print("Image printed on console")
print("The image resolution is ")
print(img.shape)

出力結果

Image being read
Image printed on console
The image resolution is
(397, 558, 4)

コードの解説

• 必要なライブラリをインポートします。
• 画像が保存されているパスを定義します。
• 「imread」関数を使用して指定パスにアクセスし、画像を読み込みます。
• 「imshow」関数を使用して、読み込んだ画像を画面に表示します。
• 「shape」関数を使用して、画像の解像度を取得します。
• 出力の3番目の値が「4」になっているのは、画像がR（赤）、G（緑）、B（青）、アルファ（透明度）の4つのチャンネルを持っていることを意味します。グレースケール画像の場合は、高さと幅のみが返されます。
• 最後に、取得したデータがコンソールに表示されます。

このように、scikit-image（skimage）のioモジュールとNumPyのshape属性を組み合わせることで、わずか数行のコードで画像の解像度（高さ・幅・チャンネル数）を簡単に把握できます。画像処理や機械学習の前処理段階において、入力画像のサイズを事前に確認しておくことは、データの正規化やリサイズを行ううえで非常に重要です。